CN116660259B - 一种基于红外成像的食源性致病菌的快速检测系统 - Google Patents
一种基于红外成像的食源性致病菌的快速检测系统 Download PDFInfo
- Publication number
- CN116660259B CN116660259B CN202310546211.4A CN202310546211A CN116660259B CN 116660259 B CN116660259 B CN 116660259B CN 202310546211 A CN202310546211 A CN 202310546211A CN 116660259 B CN116660259 B CN 116660259B
- Authority
- CN
- China
- Prior art keywords
- live pig
- live
- oppress
- invade
- exploit
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 244000052616 bacterial pathogen Species 0.000 title claims abstract description 128
- 238000003331 infrared imaging Methods 0.000 title claims abstract description 15
- 238000004458 analytical method Methods 0.000 claims abstract description 62
- 238000001514 detection method Methods 0.000 claims abstract description 42
- 238000003307 slaughter Methods 0.000 claims description 295
- 238000007689 inspection Methods 0.000 claims description 106
- 241000282887 Suidae Species 0.000 claims description 89
- 238000000034 method Methods 0.000 claims description 36
- 230000008569 process Effects 0.000 claims description 32
- 241000894006 Bacteria Species 0.000 claims description 26
- 230000001717 pathogenic effect Effects 0.000 claims description 26
- 238000001228 spectrum Methods 0.000 claims description 24
- 238000012216 screening Methods 0.000 claims description 23
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000005070 sampling Methods 0.000 claims description 12
- 230000001580 bacterial effect Effects 0.000 claims description 11
- 238000010191 image analysis Methods 0.000 claims description 10
- 238000012544 monitoring process Methods 0.000 claims description 10
- 238000012545 processing Methods 0.000 claims description 10
- 238000012106 screening analysis Methods 0.000 claims description 8
- 230000007797 corrosion Effects 0.000 claims description 7
- 238000005260 corrosion Methods 0.000 claims description 7
- 244000052769 pathogen Species 0.000 claims description 6
- 230000002950 deficient Effects 0.000 claims description 3
- 238000001914 filtration Methods 0.000 claims description 3
- 230000006872 improvement Effects 0.000 description 12
- 235000015277 pork Nutrition 0.000 description 7
- 230000036541 health Effects 0.000 description 4
- 230000003749 cleanliness Effects 0.000 description 3
- 239000002207 metabolite Substances 0.000 description 3
- 238000005336 cracking Methods 0.000 description 2
- 239000000463 material Substances 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000011084 recovery Methods 0.000 description 2
- 238000007792 addition Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 150000001720 carbohydrates Chemical class 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 239000000835 fiber Substances 0.000 description 1
- 235000013305 food Nutrition 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 239000004615 ingredient Substances 0.000 description 1
- 235000016709 nutrition Nutrition 0.000 description 1
- 102000004169 proteins and genes Human genes 0.000 description 1
- 108090000623 proteins and genes Proteins 0.000 description 1
- 238000000926 separation method Methods 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/84—Systems specially adapted for particular applications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/0002—Inspection of images, e.g. flaw detection
- G06T7/0012—Biomedical image inspection
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T7/00—Image analysis
- G06T7/60—Analysis of geometric attributes
- G06T7/62—Analysis of geometric attributes of area, perimeter, diameter or volume
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/10—Image acquisition modality
- G06T2207/10056—Microscopic image
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06T—IMAGE DATA PROCESSING OR GENERATION, IN GENERAL
- G06T2207/00—Indexing scheme for image analysis or image enhancement
- G06T2207/30—Subject of image; Context of image processing
- G06T2207/30004—Biomedical image processing
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02A—TECHNOLOGIES FOR ADAPTATION TO CLIMATE CHANGE
- Y02A90/00—Technologies having an indirect contribution to adaptation to climate change
- Y02A90/10—Information and communication technologies [ICT] supporting adaptation to climate change, e.g. for weather forecasting or climate simulation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- General Health & Medical Sciences (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Biochemistry (AREA)
- Analytical Chemistry (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Life Sciences & Earth Sciences (AREA)
- Theoretical Computer Science (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Radiology & Medical Imaging (AREA)
- Quality & Reliability (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Medical Informatics (AREA)
- Geometry (AREA)
- Measuring Or Testing Involving Enzymes Or Micro-Organisms (AREA)
- Image Analysis (AREA)
Abstract
本发明涉及食源性致病菌检测分析技术领域,具体公开一种基于红外成像的食源性致病菌的快速检测系统,包括屠宰场统计模块、生猪信息获取模块、生猪图像采集模块、生猪图像分析模块、生猪筛选分析模块、病菌预警终端和云数据库,通过对各生猪屠宰场对应送检批次的生猪产品进行图像采集并分析得出各生猪屠宰场对应送检批次的生猪产品符合系数,进而对各生猪屠宰场进行对应处理,实现了快速、灵敏、准确的猪肉食源性致病菌挥发性代谢产物检测,在一定程度上减少存在病菌残留问题,在一定程度上保障了居民的安全,提高了生猪产品食用安全,减少了居民的身体健康隐患,降低了生猪产品食用问题的出现概率。
Description
技术领域
本发明涉及食源性致病菌检测分析技术领域,尤其涉及一种基于红外成像的食源性致病菌的快速检测系统。
背景技术
猪肉产品是人民日常生活的主要副食品,同时也是人们获取蛋白质、脂肪、碳水化合物等营养成分的主要来源,一旦猪肉出现质量问题,就有可能对人们的生命健康造成威胁,并且生猪屠宰链是生猪产品进入市场的最后一步,因此必须对生猪屠宰线上的食源性致病菌进行检测。
当前,对生猪产品的食源性致病菌检测主要是针对传统的病原菌分离或是普通的pcr检测方法进行检测,具有一定的弊端性,很显然,当前对于生猪屠宰线上的生猪产品的食源性致病菌检测还存在以下问题:
1、当前没有对生猪屠宰线上的生猪产品进行食源性致病菌检测,无法提高传统方法的检测速度及准确性,无法实现快速、灵敏、准确的猪肉食源性致病菌挥发性代谢产物检测,在一定程度上无法降低存在病菌残留问题,不能充分保障生猪产品的洁净性,无法降低生猪产品的病菌附着,进而降低了居民的满意度和回客率。
2、当前菌落计数算法仅仅是对单张图像或者一段视频中的单帧图像进行处理,获取连通域的数目进而计数,因此无法排除杂质或死菌对活体菌落计数的干扰,在一定程度上无法清除辨别生猪产品致病活体菌的数目,进而无法保证供应到市场猪肉的安全性,在一定程度上无法保证居民的安全,降低了生猪产品食用安全,增加了居民的身体健康隐患,提高了生猪产品食用问题的出现概率。
发明内容
本发明针对现有技术的不足,提供了一种基于红外成像的食源性致病菌的快速检测系统。
本发明通过以下技术手段实现解决上述技术问题的:一种基于红外成像的食源性致病菌的快速检测系统,包括屠宰场统计模块、生猪信息获取模块、生猪图像采集模块、生猪图像分析模块、生猪筛选分析模块、病菌预警终端和云数据库。
所述屠宰场统计模块,用于对指定区域内存在的所有生猪屠宰场进行统计并对其进行编号,同时并获取指定区域内存在的各生猪屠宰场对应的基本信息。
所述生猪信息获取模块,用于获取各生猪屠宰场对应送检批次的生猪产品的基本信息。
所述生猪图像采集模块,用于根据布设的病菌监测仪器进而对各生猪屠宰场对应送检批次的生猪产品进行图像采集。
所述生猪图像分析模块,用于根据各生猪屠宰场对应送检批次的生猪产品的图像进而对各生猪屠宰场对应送检批次的生猪产品进行细菌检测分析,进而分析得出各生猪屠宰场对应送检批次的生猪产品符合系数。
所述生猪筛选分析模块,用于根据各生猪屠宰场对应送检批次的生猪产品符合系数,进而对各生猪屠宰场对应送检批次的生猪产品进行筛选。
所述病菌预警终端,用于根据各生猪屠宰场对应送检批次的生猪产品筛选结果,进而对其进行对应预警处理。
所述云数据库,用于存储参考病菌区域对应的许可致病菌种类数目、致病菌面积和致病活体菌总数值,还用于存储参考病菌区域对应的参考面积、生猪屠宰场标准生猪产品符合系数和历史各次抽检对应不合格的各生猪屠宰场对应的基本信息。
根据一个优选实施方式,所述各生猪屠宰场对应送检批次的生猪产品的基本信息包括宰割部位和各宰割部位对应的宰割面积。
根据一个优选实施方式,所述生猪图像分析模块中包含致病菌种类分析子模块、致病菌面积分析子模块和致病活体菌总数值分析子模块。
根据一个优选实施方式,所述致病菌种类分析子模块中对各生猪屠宰场对应送检批次的生猪产品进行细菌检测分析,具体分析过程包括以下步骤:
A1、根据各生猪屠宰场对应送检批次的生猪产品的基本信息,从中提取出各生猪屠宰场对应送检批次的生猪产品的宰割部位,将各生猪屠宰场对应送检批次的生猪产品各宰割部位经过对应处理,即可得到各生猪屠宰场对应送检批次的生猪产品各宰割部位对应的显微图像,并将各生猪屠宰场对应送检批次的生猪产品各宰割部位对应的显微图像进行滤波处理,进而得到各生猪屠宰场对应送检批次生猪产品各宰割部位对应的显微像素图像,从中提取出各生猪屠宰场对应送检批次生猪产品各宰割部位对应的像素信息,其中,像素信息包括各行像素数目、各行中各像素的灰度值和亮度值。
A2、并根据各生猪屠宰场对应送检批次生猪产品各宰割部位对应的显微像素图像进而从中筛选出各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域,并将各生猪屠宰场对应送检批次生猪产品各宰割部位标记为各生猪屠宰场对应送检生猪各宰割部位。
作为本发明的进一步改进,筛选出各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域,具体筛选过程如下:
A2-1、根据各生猪屠宰场对应送检批次生猪产品各宰割部位对应的显微像素图像,将各生猪屠宰场对应送检批次生猪产品各宰割部位按照像素大小划分为各生猪屠宰场对应送检批次生猪产品各宰割部位对应的各像素区域,进而获取各生猪屠宰场对应送检批次生猪产品各宰割部位对应的各像素区域的灰度值;
A2-2、将各生猪屠宰场对应送检批次生猪产品各宰割部位对应的各像素区域的灰度值与设定的正常生猪产品各宰割部位对应的标准灰度值进行比对,若某生猪屠宰场对应送检批次生猪产品某宰割部位对应的某像素区域的灰度值与设定的正常生猪产品对应某宰割部位对应的标准灰度值比对不一致,则判定该生猪屠宰场对应送检批次生猪产品该宰割部位对应的该像素区域为病菌区域,由此得到各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域。
A3、根据布设的病菌监测仪器,进而得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的光谱信息,其中,光谱信息包括宽带光强度和测量光谱值,进而通过计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的光谱信号值。
作为本发明的进一步改进,计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的光谱信号值,具体计算过程如下:
利用计算公式计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的光谱信号值δijp,其中,KDijp、GPijp分别表示为第i个生猪屠宰场对应送检生猪第j个宰割部位中第p个病菌区域对应的宽带光强度、测量光谱值,BJ表示为设定的生猪产品对应的标准背景光谱值。
A4、进而根据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的像素信息,通过分析得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类。
作为本发明的进一步改进,分析得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类,具体分析过程如下:
A4-1、根据各生猪屠宰场对应送检批次生猪产品各宰割部位对应的显微像素图像,进而从中得出各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域的显微像素图像,进而得出各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域的直径;
A4-2、并根据各生猪屠宰场对应送检批次生猪产品各宰割部位对应的像素信息,从中提取出各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应的各行像素数目、各行中各像素的灰度值和亮度值;
A4-3、将各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域的直径与设定的各病菌种类对应的参考种类区间进行比对,进而得到各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应直径的可能病菌种类;
A4-4、依据各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应的可能病菌种类的分析方式同理分析得出各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应灰度值的可能病菌种类和各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应亮度值的可能病菌种类,并将各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应直径的可能病菌种类、各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应灰度值的可能病菌种类和各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应亮度值的可能病菌种类进行并集运算,进而得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类。
根据一个优选实施方式,所述致病菌面积分析子模块中对各生猪屠宰场对应送检批次的生猪产品进行细菌检测分析,具体分析过程包括以下步骤:
B1、根据各生猪屠宰场对应送检生猪各宰割部位对应的显微图像,由此获得各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像,并将各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像进行锐化处理。
B2、根据像素统计,选取各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的像素点数量和像素点总数。
B3、进而通过计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌面积。
作为本发明的进一步改进,计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌面积,具体计算过程如下:
B3-1、根据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像,从中提取出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的的宰割面积,将其记为Si′jp;
B3-2、利用计算公式计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌面积Sijp,其中,SLijp、ZSijp分别表示为第i个生猪屠宰场对应送检生猪第j个宰割部位中第p个病菌区域对应的像素点数量和像素点总数。
根据一个优选实施方式,所述致病活体菌总数值分析子模块中对各生猪屠宰场对应送检批次的生猪产品进行细菌检测分析,具体分析过程包括以下步骤:
C1、根据布设的病菌监测仪器,进而得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的各时间节点的图像,并将各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的各时间节点的图像利用极限腐蚀思想进行分析,进而得到各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的单个菌落的个数。
作为本发明的进一步改进,利用极限腐蚀思想进行分析,具体利用过程如下:
获取各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的各时间节点的图像,对各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的各时间节点的图像进行多次腐蚀,若某生猪屠宰场对应送检生猪某宰割部位中某病菌区域的某时间节点的病菌区域存在粘连情况,则在多次腐蚀的过程中连通域会逐渐裂解,面积较小的区域会率先被腐蚀为一个种子点,保留种子点,继续对面积较大的区域进行腐蚀,直到该病菌区域最后只剩下种子点,即可获取各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的单个菌落的个数。
C2、进而通过计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病活体菌总数值。
作为本发明的进一步改进,计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病活体菌总数值,具体计算过程如下:
C2-1、根据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像,从中提取出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的单位菌落面积,将其记为Si′j′p;
C2-2、利用计算公式计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病活体菌总数值Rijp,其中,表示为第i个生猪屠宰场对应送检生猪第j个宰割部位中第p个病菌区域对应的单个菌落的个数。
根据一个优选实施方式,所述分析得出各生猪屠宰场对应送检批次的生猪产品符合系数,具体分析过程如下:
D1、根据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类,进而从中提取出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类数目,并将其记为Mijp,其中,i表示为各生猪屠宰场对应的编号,i=1,2,......m,j表示为各宰割部位对应的编号,j=1,2,......n,p表示为各病菌区域对应的编号,p=1,2,......q。
D2、根据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像中获取得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的面积,将其标记为进而依据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类数目、致病菌面积和致病活体菌总数值,利用分析公式分析得出各生猪屠宰场对应送检批次的生猪产品符合系数αi,其中,b1、b2和b3分别表示为设定的致病菌种类数目、面积和致病活体菌总数值对应的影响因子,M′、S″和R′分别表示为云数据库存储的参考病菌区域对应的许可致病菌种类数目、致病菌面积和致病活体菌总数值,S′表示为云数据库存储的参考病菌区域对应的参考面积,Sijp和Rijp分别表示为第i个生猪屠宰场对应送检生猪第j个宰割部位中第p个病菌区域对应的致病菌面积和致病活体菌总数值,n表示为宰割部位总数目。
根据一个优选实施方式,所述对各生猪屠宰场对应送检批次的生猪产品进行筛选,具体筛选过程如下:
将各生猪屠宰场对应送检批次的生猪产品符合系数与云数据库存储的生猪屠宰场标准生猪产品符合系数进行比对,若某生猪屠宰场对应送检批次的生猪产品符合系数小于生猪屠宰场标准生猪产品符合系数,则判定该生猪屠宰场对应送检批次的生猪产品为不合格,反之则判定为合格。
根据一个优选实施方式,所述对其进行对应预警处理,具体预警处理过程如下:
获取各生猪产品不合格的生猪屠宰场对应的基本信息,并从云数据库中调取历史各次抽检对应不合格的各生猪屠宰场对应的基本信息,其中,基本信息包括名称和地址,将各生猪产品不合格的生猪屠宰场的基本信息与历史各次抽检对应不合格的各生猪屠宰场对应的基本信息进行比对,若某生猪产品不合格的生猪屠宰场的基本信息与历史某次抽检对应不合格的某生猪屠宰场对应的基本信息比对一致,则判定该生猪屠宰场为累次不合格生猪屠宰场,并禁止该生猪屠宰场供应猪肉资格,若某生猪产品不合格的生猪屠宰场的基本信息与历史某次抽检对应不合格的某生猪屠宰场对应的基本信息比对不一致,则判定该生猪屠宰场为初次不合格,并发送整改卫生指令至该生猪屠宰场。
本发明的有益效果:
(1)本发明提供的一种基于红外成像的食源性致病菌的快速检测系统,通过对指定区域内存在的各生猪屠宰场对应的基本信息和各生猪屠宰场对应送检批次的生猪产品的基本信息,进而对各生猪屠宰场对应送检批次的生猪产品进行图像采集并分析得出各生猪屠宰场对应送检批次的生猪产品符合系数,进而对各生猪屠宰场进行对应处理,在一定程度上解决了当前对于生猪产品食源性致病菌检测还存在一定局限性的问题,提高了检测速度及准确性,实现了快速、灵敏、准确的猪肉食源性致病菌挥发性代谢产物检测,在一定程度上减少存在病菌残留问题,充分保障了生猪产品的洁净性,降低了生猪产品的病菌附着,进而提高了居民的满意度和回客率。
(2)本发明实施例提高了供应到市场猪肉的安全性,在一定程度上保障了居民的安全,提高了生猪产品食用安全,减少了居民的身体健康隐患,降低了生猪产品食用问题的出现概率。
附图说明
图1为本发明的系统模块连接结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
请参阅图1所示,一种基于红外成像的食源性致病菌的快速检测系统,包括屠宰场统计模块、生猪信息获取模块、生猪图像采集模块、生猪图像分析模块、生猪筛选分析模块、病菌预警终端和云数据库。
所述生猪信息获取模块与屠宰场统计模块和生猪图像采集模块连接,生猪图像分析模块与生猪图像采集模块、生猪筛选分析模块和云数据库连接,云数据库与生猪筛选分析模块和病菌预警终端连接。
所述屠宰场统计模块,用于对指定区域内存在的所有生猪屠宰场进行统计并对其进行编号,同时并获取指定区域内存在的各生猪屠宰场对应的基本信息。
所述生猪信息获取模块,用于获取各生猪屠宰场对应送检批次的生猪产品的基本信息。
在一种可能实施的方式中,所述各生猪屠宰场对应送检批次的生猪产品的基本信息包括宰割部位和各宰割部位对应的宰割面积。
所述生猪图像采集模块,用于根据布设的病菌监测仪器进而对各生猪屠宰场对应送检批次的生猪产品进行图像采集。
在一个具体的实施例中,病菌监测仪器包括但不限于高清摄像机、光纤光谱仪和红外显微镜。
所述生猪图像分析模块,用于根据各生猪屠宰场对应送检批次的生猪产品的图像进而对各生猪屠宰场对应送检批次的生猪产品进行细菌检测分析,进而分析得出各生猪屠宰场对应送检批次的生猪产品符合系数。
在一种可能实施的方式中,所述生猪图像分析模块中包含致病菌种类分析子模块、致病菌面积分析子模块和致病活体菌总数值分析子模块。
在一种可能实施的方式中,所述致病菌种类分析子模块中对各生猪屠宰场对应送检批次的生猪产品进行细菌检测分析,具体分析过程包括以下步骤:
A1、根据各生猪屠宰场对应送检批次的生猪产品的基本信息,从中提取出各生猪屠宰场对应送检批次的生猪产品的宰割部位,将各生猪屠宰场对应送检批次的生猪产品各宰割部位经过对应处理,即可得到各生猪屠宰场对应送检批次的生猪产品各宰割部位对应的显微图像,并将各生猪屠宰场对应送检批次的生猪产品各宰割部位对应的显微图像进行滤波处理,进而得到各生猪屠宰场对应送检批次生猪产品各宰割部位对应的显微像素图像,从中提取出各生猪屠宰场对应送检批次生猪产品各宰割部位对应的像素信息,其中,像素信息包括各行像素数目、各行中各像素的灰度值和亮度值。
A2、并根据各生猪屠宰场对应送检批次生猪产品各宰割部位对应的显微像素图像进而从中筛选出各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域,并将各生猪屠宰场对应送检批次生猪产品各宰割部位标记为各生猪屠宰场对应送检生猪各宰割部位。
作为本发明的进一步改进,筛选出各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域,具体筛选过程如下:
A2-1、根据各生猪屠宰场对应送检批次生猪产品各宰割部位对应的显微像素图像,将各生猪屠宰场对应送检批次生猪产品各宰割部位按照像素大小划分为各生猪屠宰场对应送检批次生猪产品各宰割部位对应的各像素区域,进而获取各生猪屠宰场对应送检批次生猪产品各宰割部位对应的各像素区域的灰度值;
A2-2、将各生猪屠宰场对应送检批次生猪产品各宰割部位对应的各像素区域的灰度值与设定的正常生猪产品各宰割部位对应的标准灰度值进行比对,若某生猪屠宰场对应送检批次生猪产品某宰割部位对应的某像素区域的灰度值与设定的正常生猪产品对应某宰割部位对应的标准灰度值比对不一致,则判定该生猪屠宰场对应送检批次生猪产品该宰割部位对应的该像素区域为病菌区域,由此得到各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域。
A3、根据布设的病菌监测仪器,进而得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的光谱信息,其中,光谱信息包括背景光谱值和测量光谱值,进而通过计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的光谱信号值。
作为本发明的进一步改进,计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的光谱信号值,具体计算过程如下:
利用计算公式计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的光谱信号值δijp,其中,KDijp、GPijp分别表示为第i个生猪屠宰场对应送检生猪第j个宰割部位中第p个病菌区域对应的宽带光强度、测量光谱值,BJ表示为设定的生猪产品对应的标准背景光谱值。
在一个具体的实施例中,设定的生猪产品对应的标准背景光谱值表示为光源关闭情况下的背景光谱。
A4、进而根据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的像素信息,通过分析得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类。
作为本发明的进一步改进,分析得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类,具体分析过程如下:
A4-1、根据各生猪屠宰场对应送检批次生猪产品各宰割部位对应的显微像素图像,进而从中得出各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域的显微像素图像,进而得出各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域的直径;
A4-2、并根据各生猪屠宰场对应送检批次生猪产品各宰割部位对应的像素信息,从中提取出各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应的各行像素数目、各行中各像素的灰度值和亮度值;
A4-3、将各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域的直径与设定的各病菌种类对应的参考种类区间进行比对,进而得到各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应直径的可能病菌种类;
A4-4、依据各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应的可能病菌种类的分析方式同理分析得出各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应灰度值的可能病菌种类和各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应亮度值的可能病菌种类,并将各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应直径的可能病菌种类、各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应灰度值的可能病菌种类和各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域对应亮度值的可能病菌种类进行并集运算,进而得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类。
在一种可能实施的方式中,所述致病菌面积分析子模块中对各生猪屠宰场对应送检批次的生猪产品进行细菌检测分析,具体分析过程包括以下步骤:
B1、根据各生猪屠宰场对应送检生猪各宰割部位对应的显微图像,由此获得各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像,并将各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像进行锐化处理。
B2、根据像素统计,选取各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的像素点数量和像素点总数。
在一个具体的实施例中,选取各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的像素点数量和像素点总数,具体选取过程如下:
将各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像导入PS软件中,并打开直方图像素统计,进而得到各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的像素点数量和像素点总数。
B3、进而通过计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌面积。
作为本发明的进一步改进,计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌面积,具体计算过程如下:
B3-1、根据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像,从中提取出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的的宰割面积,将其记为Si′jp;
B3-2、利用计算公式计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌面积Sijp,其中,SLijp、ZSijp分别表示为第i个生猪屠宰场对应送检生猪第j个宰割部位中第p个病菌区域对应的像素点数量和像素点总数。
在一种可能实施的方式中,所述致病活体菌总数值分析子模块中对各生猪屠宰场对应送检批次的生猪产品进行细菌检测分析,具体分析过程包括以下步骤:
C1、根据布设的病菌监测仪器,进而得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的各时间节点的图像,并将各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的各时间节点的图像利用极限腐蚀思想进行分析,进而得到各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的单个菌落的个数。
作为本发明的进一步改进,利用极限腐蚀思想进行分析,具体利用过程如下:
获取各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的各时间节点的图像,对各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的各时间节点的图像进行多次腐蚀,若某生猪屠宰场对应送检生猪某宰割部位中某病菌区域的某时间节点的病菌区域存在粘连情况,则在多次腐蚀的过程中连通域会逐渐裂解,面积较小的区域会率先被腐蚀为一个种子点,保留种子点,继续对面积较大的区域进行腐蚀,直到该病菌区域最后只剩下种子点,即可获取各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的单个菌落的个数。
C2、进而通过计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病活体菌总数值。
作为本发明的进一步改进,计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病活体菌总数值,具体计算过程如下:
C2-1、根据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像,从中提取出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的单位菌落面积,将其记为Si′j′p;
C2-2、利用计算公式计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病活体菌总数值Rijp,其中,表示为第i个生猪屠宰场对应送检生猪第j个宰割部位中第p个病菌区域对应的单个菌落的个数。
在一种可能实施的方式中,所述分析得出各生猪屠宰场对应送检批次的生猪产品符合系数,具体分析过程如下:
D1、根据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类,进而从中提取出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类数目,并将其记为Mijp,其中,i表示为各生猪屠宰场对应的编号,i=1,2,......m,j表示为各宰割部位对应的编号,j=1,2,......n,p表示为各病菌区域对应的编号,p=1,2,......q。
D2、根据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像中获取得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的面积,将其标记为S1ijp,进而依据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类数目、致病菌面积和致病活体菌总数值,利用分析公式分析得出各生猪屠宰场对应送检批次的生猪产品符合系数αi,其中,b1、b2和b3分别表示为设定的致病菌种类数目、面积和致病活体菌总数值对应的影响因子,M′、S″和R′分别表示为云数据库存储的参考病菌区域对应的许可致病菌种类数目、致病菌面积和致病活体菌总数值,S′表示为云数据库存储的参考病菌区域对应的参考面积,Sijp和Rijp分别表示为第i个生猪屠宰场对应送检生猪第j个宰割部位中第p个病菌区域对应的致病菌面积和致病活体菌总数值,n表示为宰割部位总数目。
本发明实施例提高了供应到市场猪肉的安全性,在一定程度上保障了居民的安全,提高了生猪产品食用安全,减少了居民的身体健康隐患,降低了生猪产品食用问题的出现概率。
所述生猪筛选分析模块,用于根据各生猪屠宰场对应送检批次的生猪产品符合系数,进而对各生猪屠宰场对应送检批次的生猪产品进行筛选。
在一种可能实施的方式中,所述对各生猪屠宰场对应送检批次的生猪产品进行筛选,具体筛选过程如下:
将各生猪屠宰场对应送检批次的生猪产品符合系数与云数据库存储的生猪屠宰场标准生猪产品符合系数进行比对,若某生猪屠宰场对应送检批次的生猪产品符合系数小于生猪屠宰场标准生猪产品符合系数,则判定该生猪屠宰场对应送检批次的生猪产品为不合格,反之则判定为合格。
所述病菌预警终端,用于根据各生猪屠宰场对应送检批次的生猪产品筛选结果,进而对其进行对应预警处理。
在一种可能实施的方式中,所述对其进行对应预警处理,具体预警处理过程如下:
获取各生猪产品不合格的生猪屠宰场对应的基本信息,并从云数据库中调取历史各次抽检对应不合格的各生猪屠宰场对应的基本信息,其中,基本信息包括名称和地址,将各生猪产品不合格的生猪屠宰场的基本信息与历史各次抽检对应不合格的各生猪屠宰场对应的基本信息进行比对,若某生猪产品不合格的生猪屠宰场的基本信息与历史某次抽检对应不合格的某生猪屠宰场对应的基本信息比对一致,则判定该生猪屠宰场为累次不合格生猪屠宰场,并禁止该生猪屠宰场供应猪肉资格,若某生猪产品不合格的生猪屠宰场的基本信息与历史某次抽检对应不合格的某生猪屠宰场对应的基本信息比对不一致,则判定该生猪屠宰场为初次不合格,并发送整改卫生指令至该生猪屠宰场。
所述云数据库,用于存储参考病菌区域对应的许可致病菌种类数目、致病菌面积和致病活体菌总数值,还用于存储参考病菌区域对应的参考面积、生猪屠宰场标准生猪产品符合系数和历史各次抽检对应不合格的各生猪屠宰场对应的基本信息。
本发明提供的一种基于红外成像的食源性致病菌的快速检测系统,通过对指定区域内存在的各生猪屠宰场对应的基本信息和各生猪屠宰场对应送检批次的生猪产品的基本信息,进而对各生猪屠宰场对应送检批次的生猪产品进行图像采集并分析得出各生猪屠宰场对应送检批次的生猪产品符合系数,进而对各生猪屠宰场进行对应处理,在一定程度上解决了当前对于生猪产品食源性致病菌检测还存在一定局限性的问题,提高了检测速度及准确性,实现了快速、灵敏、准确的猪肉食源性致病菌挥发性代谢产物检测,在一定程度上减少存在病菌残留问题,充分保障了生猪产品的洁净性,降低了生猪产品的病菌附着,进而提高了居民的满意度和回客率。
以上内容仅仅是对本发明结构所作的举例和说明,所属本技术领域的技术人员对所描述的具体实施例做各种各样的修改或补充或采用类似的方式替代,只要不偏离发明的结构或者超越本权利要求书所定义的范围,均应属于本发明的保护范围。
在本说明书的描述中,参考术语“一个实施例”、“示例”、“具体示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本发明的至少一个实施例或示例中。在本说明书中,对上述术语的示意性表述不一定指的是相同的实施例或示例。而且,描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。
以上公开的本发明优选实施例只是用于帮助阐述本发明。优选实施例并没有详尽叙述所有的细节,也不限制该发明仅为的具体实施方式。显然,根据本说明书的内容,可做很多的修改和变化。本说明书选取并具体描述这些实施例,是为了更好地解释本发明的原理和实际应用,从而使所属技术领域技术人员能很好地理解和利用本发明。本发明仅受权利要求书及其全部范围和等效物的限制。
Claims (8)
1.一种基于红外成像的食源性致病菌的快速检测系统,其特征在于,包括屠宰场统计模块、生猪信息获取模块、生猪图像采集模块、生猪图像分析模块、生猪筛选分析模块、病菌预警终端和云数据库;
所述屠宰场统计模块,用于对指定区域内存在的所有生猪屠宰场进行统计并对其进行编号,同时并获取指定区域内存在的各生猪屠宰场对应的基本信息;
所述生猪信息获取模块,用于获取各生猪屠宰场对应送检批次的生猪产品的基本信息;
所述生猪图像采集模块,用于根据布设的病菌监测仪器进而对各生猪屠宰场对应送检批次的生猪产品进行图像采集;
所述生猪图像分析模块,用于根据各生猪屠宰场对应送检批次的生猪产品的图像进而对各生猪屠宰场对应送检批次的生猪产品进行细菌检测分析,进而分析得出各生猪屠宰场对应送检批次的生猪产品符合系数;
所述分析得出各生猪屠宰场对应送检批次的生猪产品符合系数,具体分析过程如下:
D1、根据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类,进而从中提取出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类数目,并将其记为Mijp,其中,i表示为各生猪屠宰场对应的编号,i=1,2,......m,j表示为各宰割部位对应的编号,j=1,2,......n,p表示为各病菌区域对应的编号,
p=1,2,......q;
D2、根据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像中获取得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的面积,将其标记为进而依据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类数目、致病菌面积和致病活体菌总数值,利用分析公式
分析得出各生猪屠宰场对应送检批次的生猪产品符合系数αi,其中,b1、b2和b3分别表示为设定的致病菌种类数目、面积和致病活体菌总数值对应的影响因子,M′、S″和R′分别表示为云数据库存储的参考病菌区域对应的许可致病菌种类数目、致病菌面积和致病活体菌总数值,S′表示为云数据库存储的参考病菌区域对应的参考面积,Sijp和Rijp分别表示为第i个生猪屠宰场对应送检生猪第j个宰割部位中第p个病菌区域对应的致病菌面积和致病活体菌总数值,n表示为宰割部位总数目;
所述生猪筛选分析模块,用于根据各生猪屠宰场对应送检批次的生猪产品符合系数,进而对各生猪屠宰场对应送检批次的生猪产品进行筛选;
所述病菌预警终端,用于根据各生猪屠宰场对应送检批次的生猪产品筛选结果,进而对其进行对应预警处理;
所述云数据库,用于存储参考病菌区域对应的许可致病菌种类数目、致病菌面积和致病活体菌总数值,还用于存储参考病菌区域对应的参考面积、生猪屠宰场标准生猪产品符合系数和历史各次抽检对应不合格的各生猪屠宰场对应的基本信息。
2.根据权利要求1所述的一种基于红外成像的食源性致病菌的快速检测系统,其特征在于,所述各生猪屠宰场对应送检批次的生猪产品的基本信息包括宰割部位和各宰割部位对应的宰割面积。
3.根据权利要求1所述的一种基于红外成像的食源性致病菌的快速检测系统,其特征在于,所述生猪图像分析模块中包含致病菌种类分析子模块、致病菌面积分析子模块和致病活体菌总数值分析子模块。
4.根据权利要求3所述的一种基于红外成像的食源性致病菌的快速检测系统,其特征在于,所述致病菌种类分析子模块中对各生猪屠宰场对应送检批次的生猪产品进行细菌检测分析,具体分析过程包括以下步骤:
A1、根据各生猪屠宰场对应送检批次的生猪产品的基本信息,从中提取出各生猪屠宰场对应送检批次的生猪产品的宰割部位,将各生猪屠宰场对应送检批次的生猪产品各宰割部位经过对应处理,即可得到各生猪屠宰场对应送检批次的生猪产品各宰割部位对应的显微图像,并将各生猪屠宰场对应送检批次的生猪产品各宰割部位对应的显微图像进行滤波处理,进而得到各生猪屠宰场对应送检批次生猪产品各宰割部位对应的显微像素图像,从中提取出各生猪屠宰场对应送检批次生猪产品各宰割部位对应的像素信息,其中,像素信息包括各行像素数目、各行中各像素的灰度值和亮度值;
A2、并根据各生猪屠宰场对应送检批次生猪产品各宰割部位对应的显微像素图像进而从中筛选出各生猪屠宰场对应送检批次生猪产品各宰割部位中各病菌区域,并将各生猪屠宰场对应送检批次生猪产品各宰割部位标记为各生猪屠宰场对应送检生猪各宰割部位;
A3、根据布设的病菌监测仪器,进而得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的光谱信息,其中,光谱信息包括背景光谱值和测量光谱值,进而通过计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的光谱信号值;
A4、进而根据各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的像素信息,通过分析得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌种类。
5.根据权利要求3所述的一种基于红外成像的食源性致病菌的快速检测系统,其特征在于,所述致病菌面积分析子模块中对各生猪屠宰场对应送检批次的生猪产品进行细菌检测分析,具体分析过程包括以下步骤:
B1、根据各生猪屠宰场对应送检生猪各宰割部位对应的显微图像,由此获得各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像,并将各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的显微图像进行锐化处理;
B2、根据像素统计,选取各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的像素点数量和像素点总数;
B3、进而通过计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病菌面积。
6.根据权利要求3所述的一种基于红外成像的食源性致病菌的快速检测系统,其特征在于,所述致病活体菌总数值分析子模块中对各生猪屠宰场对应送检批次的生猪产品进行细菌检测分析,具体分析过程包括以下步骤:
C1、根据布设的病菌监测仪器,进而得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的各时间节点的图像,并将各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的各时间节点的图像利用极限腐蚀思想进行分析,进而得到各生猪屠宰场对应送检生猪各宰割部位中各病菌区域的单个菌落的个数;
C2、进而通过计算得出各生猪屠宰场对应送检生猪各宰割部位中各病菌区域对应的致病活体菌总数值。
7.根据权利要求1所述的一种基于红外成像的食源性致病菌的快速检测系统,其特征在于,所述对各生猪屠宰场对应送检批次的生猪产品进行筛选,具体筛选过程如下:
将各生猪屠宰场对应送检批次的生猪产品符合系数与云数据库存储的生猪屠宰场标准生猪产品符合系数进行比对,若某生猪屠宰场对应送检批次的生猪产品符合系数小于生猪屠宰场标准生猪产品符合系数,则判定该生猪屠宰场对应送检批次的生猪产品为不合格,反之则判定为合格。
8.根据权利要求1所述的一种基于红外成像的食源性致病菌的快速检测系统,其特征在于,所述对其进行对应预警处理,具体预警处理过程如下:
获取各生猪产品不合格的生猪屠宰场对应的基本信息,并从云数据库中调取历史各次抽检对应不合格的各生猪屠宰场对应的基本信息,其中,基本信息包括名称和地址,将各生猪产品不合格的生猪屠宰场的基本信息与历史各次抽检对应不合格的各生猪屠宰场对应的基本信息进行比对,若某生猪产品不合格的生猪屠宰场的基本信息与历史某次抽检对应不合格的某生猪屠宰场对应的基本信息比对一致,则判定该生猪屠宰场为累次不合格生猪屠宰场,并禁止该生猪屠宰场供应猪肉资格,若某生猪产品不合格的生猪屠宰场的基本信息与历史某次抽检对应不合格的某生猪屠宰场对应的基本信息比对不一致,则判定该生猪屠宰场为初次不合格,并发送整改卫生指令至该生猪屠宰场。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310546211.4A CN116660259B (zh) | 2023-05-16 | 2023-05-16 | 一种基于红外成像的食源性致病菌的快速检测系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310546211.4A CN116660259B (zh) | 2023-05-16 | 2023-05-16 | 一种基于红外成像的食源性致病菌的快速检测系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116660259A CN116660259A (zh) | 2023-08-29 |
CN116660259B true CN116660259B (zh) | 2024-07-26 |
Family
ID=87718242
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310546211.4A Active CN116660259B (zh) | 2023-05-16 | 2023-05-16 | 一种基于红外成像的食源性致病菌的快速检测系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116660259B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN118429291A (zh) * | 2024-01-03 | 2024-08-02 | 深圳零一生命科技有限责任公司 | 批量培养的菌株计数方法、装置、设备及存储介质 |
Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101347142A (zh) * | 2008-08-29 | 2009-01-21 | 福建新大陆电脑股份有限公司 | 屠宰加工过程中动物产品追溯方法 |
CN102628794A (zh) * | 2012-04-19 | 2012-08-08 | 江苏大学 | 一种基于高光谱成像技术的畜肉细菌总数快速测定方法 |
Family Cites Families (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103398994B (zh) * | 2013-07-22 | 2015-10-28 | 华南理工大学 | 一种基于高光谱的食源性致病菌检测系统及方法 |
CN106290224A (zh) * | 2016-07-29 | 2017-01-04 | 北京工商大学 | 腊肉品质的检测方法 |
KR20180078395A (ko) * | 2016-12-29 | 2018-07-10 | 한국식품연구원 | 축산식품에서의 다이내믹 미생물 생장예측장치 및 방법, 그 방법을 실행시키기 위한 프로그램을 기록한 컴퓨터로 읽을 수 있는 기록매체, 및 이를 이용한 축산식품의 안전성 관리 시스템 |
CN212254164U (zh) * | 2020-03-02 | 2020-12-29 | 南京理工大学泰州科技学院 | 一种应用于猪屠宰加工生产线的数据采集系统 |
CN115184320A (zh) * | 2022-06-23 | 2022-10-14 | 深圳市国科光谱技术有限公司 | 一种基于荧光光谱检测霉菌的装置及方法 |
-
2023
- 2023-05-16 CN CN202310546211.4A patent/CN116660259B/zh active Active
Patent Citations (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101347142A (zh) * | 2008-08-29 | 2009-01-21 | 福建新大陆电脑股份有限公司 | 屠宰加工过程中动物产品追溯方法 |
CN102628794A (zh) * | 2012-04-19 | 2012-08-08 | 江苏大学 | 一种基于高光谱成像技术的畜肉细菌总数快速测定方法 |
Also Published As
Publication number | Publication date |
---|---|
CN116660259A (zh) | 2023-08-29 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109187553B (zh) | 一种基于机器视觉的变质鸡蛋在线智能识别方法 | |
Zabawa et al. | Detection of single grapevine berries in images using fully convolutional neural networks | |
CN116660259B (zh) | 一种基于红外成像的食源性致病菌的快速检测系统 | |
CN109001407B (zh) | 一种湖水水质分析系统 | |
CN110443262B (zh) | 基于计算机视觉的鱼体新鲜度快速无损检测方法及其装置 | |
Paliwal et al. | Grain kernel identification using kernel signature | |
TW589374B (en) | Inspection method for microorganisms and the like, and unit therefore | |
Lunadei et al. | Automatic identification of defects on eggshell through a multispectral vision system | |
JP2010104301A (ja) | 微生物の検出方法、装置およびプログラム | |
JP2003116593A (ja) | 微生物の判定方法およびその装置 | |
CN113109240B (zh) | 一种计算机实施的粮食不完善粒测定方法和系统 | |
Hai-ling et al. | Research on the discrimination of hatching eggs activity based on thermal imaging: A food nondestructive testing practice | |
US20040253660A1 (en) | Automated microbiological testing apparatus and method | |
CN115861721B (zh) | 基于图像数据的畜禽养殖喷雾设备状态识别方法 | |
CN111263817A (zh) | 用于自动化评估抗生素敏感性的方法和系统 | |
Yao et al. | Inspection of rice appearance quality using machine vision | |
CN117954126B (zh) | 基于多传感数据融合的兽药在线监测系统及方法 | |
Vasileva et al. | Assessing exterior egg quality indicators using machine vision | |
WO2015045012A1 (ja) | コロニー検査プログラム、コロニー検査装置およびコロニー検査方法 | |
PP et al. | Automated quality assessment of cocoons using a smart camera based system | |
JP6329680B1 (ja) | 細菌の迅速検査報告方法 | |
Lee et al. | A simple multispectral imaging algorithm for detection of defects on red delicious apples | |
CN111310792A (zh) | 一种基于决策树的药敏实验结果识别方法与系统 | |
JPH11221070A (ja) | 微生物などの検査方法およびその装置 | |
US20100039509A1 (en) | System and Method for Determining the Kosher Status of Fish |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |